不久前，数据视觉化还只是一项锦上添花的技能。大多数情况下，从中受益的是重视设计和数据并主动进行相关投入的管理者。但现在不同了：视觉化沟通已成为所有管理者的必修课，因为在越来越多情境下，视觉化将成为传达工作内容的惟一途径。
推 动这一变化的首先是数据。决策越来越依赖数据，而新数据生成的速度和体量惊人，必须经过简化才能理解——此即视觉化的作用。以波音公司的“鱼鹰”项目为 例。为提升“鱼鹰”直升机起飞和降落的效率，管理者要处理传感器记录的大量数据。每次起飞或降落的数据多达1TB，10次起降的数据与美国国会图书馆的数 据存储量相当。不运用视觉化工具，要从数据的规律和异常中发现飞机的缺陷，将是不可能完成的任务。
但不仅是统计数据，其他信息也需要视觉传达。例如业务流程、消费者在店铺内活动方式等复杂系统，如果无法清晰展现出来，就难以理解，更谈不上解决其中的问题。
互 联网和不断出现的便捷工具，让普通人无须具备数据或设计专长，就可以简单、低成本地将信息视觉化。这当然是积极的变化，但也助长了一种本能倾向，即无目的 地进行视觉化。“卓越”很容易被“方便”代替，结果做出的图表差强人意，甚至无效。把电子表格单元机械地转换为图表，只能提供支离破碎的信息，无法传达出 完整的理念。
如演讲和沟通讲师南希·杜瓦特(Nancy Duarte)所说：
“不要让听众感觉你在展示一张图表，而要回顾人的行为，描述曲线变化背后的事件。不是‘来看我们的三季度财报’，而是‘来看我们为什么没完成目标’。”
视觉传达不是一个孤立的行为，而是几个连续的事件，分别需要不同的计划、资源和技能。我们需要一种思考方法，来从整体上认识日益重要的视觉传达科学。
两个基本问题：信息性质和传达目的
开始学习视觉化思维，首先要思考视觉传达的性质和目的：
我要传达的信息是概念还是数据?
我在陈述某事还是探索某事?
如果你能回答这两个问题，就可以安排所需资源和工具，并分析哪类视觉化能最有效地达成目标。
但假设老板想知道为什么最近销售表现不佳。你猜测可能是因为季节性波动，但不能肯定。于是，视觉化的目标变为探索：利用同样的数据，你要用图表来证实或否定你的假设。如果假设被证实，你可以再做陈述型图表，告诉老板，“销售出现问题的原因在这里”。
实 际上，以探索为目标的视觉化有两种。其中一种是上面例子中的假设检验。但假如你对销售业绩下滑的原因毫无头绪，提不出任何假设呢?你就要仔细分析数据，寻 找其中的规律、趋势和异常。例如，对比销售业绩和销售员负责区域面积，你有何发现?不同地区的季节性波动有何异同?天气对销售造成哪些影响?这种开放性探 索能带来新发现。开放性视觉探索，将有助于解答宏观的战略问题，如收入为何下降、效率如何提升、客户与公司应如何互动等。
视觉化的四种类型
根据上述两个基本问题的答案，我们可以用一个四象限图来定义视觉传达的四种类型：
概念描述、创意挖掘、视觉探索、日常数据视觉化。
以描述概念为目标的视觉设计必须简洁清晰;但由于必须使用符号，常会出现过度美化的问题。因为概念本身并不包含数据的性质和范围，它们必须单独表示出来。
这类视觉传达的重点是结构和逻辑的清晰度，最重要的技巧与编辑文章所需的要领类似，即抽象概括事物本质。设计技巧也会有用，你可以自己动手或请人来做。
假设一家企业请咨询顾问来帮助研发团队从其他行业寻找灵感。咨询顾问使用“金字塔搜索”方法，即从邻近领域开始，通过接力层层向外拓展，找到不同领域的顶尖讲师。
由于解释起来比较繁琐，咨询顾问可以运用视觉化方法。金字塔搜索的原理是什么?如下图所示：
很多时候，概念描述的视觉化效果没这么好，你会得到下面这样的图表：
2创意挖掘视觉化的4种类型
创意挖掘可以一个人进行，但协作的效果更好。可以借鉴设计思维：先尽可能多地征集不同思路和视觉化方法，再择其一进行精细打磨。
乔 恩·科尔科(Jon Kolko)是奥斯丁设计学院(Austin Center for Design)创始人兼院长，著有《同理心设计原理》(Well-Designed: How to Use Empathy to Create Products People Love)。他在办公室的白板墙上涂满观念化、探索性的图形。“思考复杂问题时，我们总会回到这个方法，”他说，“通过涂涂画画，我们能够穿越混乱，到达 明晰。”擅长领导团队、发起头脑风暴、鼓励创新思考并捕捉创意的管理者，在这个象限中会干得不错。设计技巧和提炼能力在这里不那么重要，甚至可能适得其 反：在寻求突破时，最不需要的就是归纳总结，而应尽可能快速发散;精细的设计同样会拖慢速度。
假设一个营销团队正在讨论如何向管理层展示进入高级市场的战略。一小时后，白板上有了几个想法。团队最终认可了其中一个，认为最能传达他们的理念——顾客数量减少，但人均消费大增。白板是这样的：
3视觉探索视觉化的4种类型
在 进行求证时，数据范围相对可控，所使用图表类型较为常规;当然，若想以新颖方式呈现信息，也可尝试较少见的图表。求证型图表一般不用于正式场合;你要先自 己找到正式展示所需的图表。因此，你的时间不应花在设计上，而应快速尝试不同模板，找到最好的数据视觉化方案;电子表格技巧、编程或网站搭建等快速开发原 形的知识可能有帮助。
假设一位营销经理认为，在一天中的某些时段，消费者在线购买移动设备多于台式设备，但现有营销策略未能利用这一点。为验证自己的观点，他将一些数据输入到在线软件Datawrapper中。
视觉探索2：开放性探索。更多时候，针对数据的开放性探索是数据科学家和商业智能分析师的领地，不过新出现的工具让一般管理者也可以参与进来。开放性探索很值得尝试，因为它经常带来独一无二的洞见。
由于缺少明确目标，开放探索型图表包含的数据范围较广，个别情况下可能会容纳多组数据，或建立自动更新数据的动态系统，也可用于统计建模。
管理者可通过调整参数、引入新数据源、迭代更新图表，进行交互性探索。复杂数据有时也可用于专业性、不常见的图表，如力导向图(用于表示网络结构)和地形图等。
此处，图表的功能重于形式：数据分析、编程、数据管理和商业智能比图表的观赏性更重要。在这一象限，管理者自然最需要请外部讲师搭建数据处理系统，并根据分析目标制作图表。
安默尔·加格(Anmol Garg)是特斯拉的一名数据科学家，他利用视觉探索分析 特斯拉电动车的海量传感器数据。他设计了一种交互式图表，用于显示在特定时间内的轮胎压力变化情况。加格和团队严格按照探索形式设计出图表，发现其用处很 多：了解车辆出厂时轮胎充气情况、用户充气频率、用户对气压不足警报的反应时间;分析轮胎漏气率;建立模型预测轮胎漏气时点。散点图显示出四个轮胎的压力 情况，一般人或许不明所以，讲师则一目了然。
4日常数据视觉化视觉化的4种类型
这 里的关键词是“简洁”。一幅图表应该用有限几个变量，清晰传达一个信息。目标很明确：为听众确认并介绍背景信息。要做到简洁，设计十分关键。此类图表常用 于正式展示，对清晰度和逻辑性要求很高。正式展示通常时间有限，如果图表设计不理想，介绍人就必须停下来解释，而图表中的信息本应一目了然。如果日常数据图表还需要额外说明，那它就是失败的，如同笑点需要解释的笑话。
这并不是说陈述性图表不应引发讨论，但讨论应针对图表传达的理念，而非图表本身。
假设一位人力资源副总裁要向高管层介绍公司的医疗开支情况。她想表达的是，医疗开支增速明显放缓，因此公司有机会投资多种医疗服务。
她在网上读到一篇相关报告，其中引用了一些官方数据，于是，把数据下载下来，用Excel做成线状图，几秒钟就完成了。但由于要做展示，她请公司一位设计师加入一些数据细节，让图表更完整。
一般来说，如果图表中的数据几秒钟内看不完，那么最好把这些信息打印出来或发到个人设备上，供需要获得信息但不想听报告的人员查阅。例如，医疗政策制定者参加听证会、讨论医疗支出长期趋势前，可以仔细研究这张图表。
HR副总裁需要一张更干净的图表。一条简单的折线其实就能清晰传达信息：
从某些方面看，“数据视觉化”这个词很不到位，它把好图表的创造过程简化为某种机械程序，让人想到用于创造的工具和方法，而不是创造本身，就好像把《白鲸》叫作“词语序列”，把《星空》称为“颜色分布”。
“数据视觉化”这个词还反映出，当下人们过度强调技术过程，却忽视了最终效果。视觉化只是一个过程，而图表的最终任务是传达某种真实，让人们去感知、看到以前看不到的东西——去改变想法，进而采取行动。
通过学习视觉化的基本语法规则，我们能更有效地传达信息。但为达到理想效果，我们对视觉化的理解须更全面，在操作时也要更有全局意识。
来源：微信公众号 哈佛商业评论
斯科特·贝瑞纳托（Scott Berinato）| 文
斯 科特·贝瑞纳托是《哈佛商业评论》英文版高级编辑，著有《HBR数据视觉化指南》（Good Charts: The HBR Guide to Making Smarter, More Persuasive Data Visualizations，2016），本文改编自该书。
王晨| 译 ? ?刘铮筝| 校 ? ?钮键军| 编辑